企业AI智能体可能让企业应用变得不再那么显眼，但更深层的变化，是重新思考究竟由谁——或者由什么——来真正完成工作。
如果企业软件领域最具颠覆性的变化，并不是推出另一个新应用，而是我们不再需要那么多员工来操作现有应用，会怎么样?
几十年来，我们一直在将工作数字化、整合各类系统，并将应用迁移到云端。如今，我们正在进入一个不同的时代：软件开始直接参与工作本身。
这带来的变化远不止生产力的提升，它还将改变企业架构、经济效益、安全、治理，以及最终的企业运营模式。
在我职业生涯的大部分时间里，企业应用战略通常始于以下四个熟悉的问题：
• 业务需要什么能力?
• 应该自行开发、采购，还是通过集成来实现?
• 它如何融入现有架构?
• 我们能否确保其安全、完成运维、实现扩展，并承担相应成本?
这些问题依然重要，但已经不够了。
从历史上看，企业应用一直是人们开展工作的场所。员工需要浏览界面、录入信息、核对异常情况、在不同系统之间切换，并触发工作流。
这种关系一直相当稳定：应用提供能力，人来统筹和推动工作。
AI和自主式AI正在开始改变这种关系。
因此，战略问题不再只是“应用应该提供哪些功能”，而是逐渐转变为：“应该由谁，或者由什么来完成这项工作?”
我们正在从人们亲自操作应用的模式，转向人们越来越多地监督结果的模式。
Gartner曾预测，到2026年底，40%的企业应用将具备面向特定任务的AI智能体，而2025年这一比例还不到5%。Gartner还预计，智能体生态系统将跨越不同应用和业务职能展开。
我将管理这一转型所需的专业方法称为企业工作架构(Enterprise Work Architecture，EWA)：有意识地设计企业业务成果从意图形成到实际执行、再到形成可验证证据的全过程，明确其中如何协调人的判断、机器智能、应用、数据与权限。
EWA并不是另一种应用架构、流程图或AI治理框架，它从工作本身出发。
真正的问题在于应用之间的工作
传统架构围绕彼此独立的系统组织业务能力，例如ERP、CRM、HCM(人力资本管理)、ITSM(IT服务管理)和采购系统，然而，业务成果很少会遵循这些系统的边界。
如今，人们往往需要在这些系统之间充当桥梁，搜索信息、核对数据、解释情况并逐级上报。AI智能体现在能够通过收集上下文、理解意图以及协调获得授权的操作，压缩这些系统之间的衔接环节。
因此，真正的机会不仅在于将AI嵌入应用，更在于重新设计工作如何穿越这些应用。
根据我的经验，在复杂的转型项目中，许多最严重的生产力瓶颈都存在于系统、团队、审批、数据和异常处理之间。
平台现代化并不必然意味着工作方式也实现了现代化，如果在一个存在缺陷的12步流程上部署智能体，你可能只是把原有的摩擦自动化了。
如果不重新设计工作就直接实施自动化，流程债务就可能变成以机器速度累积的流程债务。
EWA：一种面向CIO的方法论
我会通过以下六个相互关联的步骤，将EWA落实为可实际执行的方法：
业务成果 → 工作 → 权限 → 执行 → 证据 → 经济效益
1. 业务成果：我们希望实现什么可衡量的业务结果?
2. 工作：哪些活动是必要的，哪些应该被取消，哪些需要人的判断?
3. 权限：个人、应用或智能体可以提出建议、准备材料、批准事项或执行操作到什么程度?
4. 执行：哪些系统、API、数据和工作流必须参与其中?
5. 证据：重要操作能否被观察、还原、质疑，并在出现问题时得到恢复?
6. 经济效益：重新设计工作是否改善了时间、成本、质量、风险或体验?
这里的顺序至关重要，因为许多AI项目恰恰是反着来的：先选择模型，部署副驾驶工具，连接应用，然后再寻找业务价值。
EWA则从业务成果出发，反向设计实现路径。
EWA实施前后对比：客户账单争议
设想一位客户发现，发票金额与实际交付情况不符。
如今，员工需要在CRM、ERP、履约系统和合同系统之间来回切换，通常还要联系财务或运营部门，才能批准一笔贷项调整。一个业务结果，就变成了一段穿越多个系统、团队和控制环节的流程。
EWA通过以下步骤重新设计这一流程：
• 第一步：业务成果。在财务控制要求范围内，快速、准确地解决合理的账单争议。
• 第二步：工作。由机器收集并核对证据;由人处理模糊情况、异常事项以及需要承担重大后果的判断。
• 第三步：权限。智能体在明确的阈值范围内提出建议或执行操作;超出范围的异常情况则升级处理。
• 第四步：执行。通过受到治理和控制的API，将操作传递到具有权威性的业务系统中。
• 第五步：证据。数据、决策、操作、权限以及人工介入情况都保持可追溯。
• 第六步：经济效益。衡量争议解决时间、人工介入次数、异常率、返工量、成本和客户影响。
这就是自动化一项任务与重新构建整个工作体系之间的区别，也是EWA所强调的方法。
创新并不在于让智能体更快地写出一封邮件，而在于重新设计端到端的工作，同时维护底层系统的完整性。
让EWA实现规模化的四项关键原则
要将EWA转变为企业级能力，需要遵循四项原则。
1. 部署智能体之前，先拆解工作
将业务意图与预期成果对应起来，识别其中涉及判断的环节、可按确定规则执行的活动、等待时间、交接环节、异常情况以及不必要的步骤，然后决定AI应该承担哪种角色：检索、理解、提出建议、准备材料、执行操作，还是升级处理。
请记住：不要自动化那些尚未经过审视和质疑的工作。
2. 将交互层与记录系统分离
员工应该越来越多地能够直接表达自己想要实现的结果，例如解决这项争议、调查这笔差异，或者恢复这项服务，而不必手动浏览每一个底层应用。
这并不会削弱ERP、CRM、HCM、SCM(供应链管理)或ITSM的重要性，反而会使它们的数据完整性、API、事务控制和韧性变得更加重要。
记录系统仍然是权威数据的来源;智能编排则越来越多地成为位于其上层、承接用户交互的层。Gartner也描述了类似的发展趋势：智能体将逐渐跨越应用和业务职能开展工作。
3. 将智能体视为受到治理的企业参与者，而不是软件功能
一旦智能体能够跨越应用边界并采取行动，仅仅实现系统连接就远远不够了，还必须为其建立身份管理、委派权限、用途约束、数据边界、交易限额、职责分离、可观测性、升级机制和生命周期控制。
查询账户余额，不等于修改客户记录。
准备采购订单，不等于批准并发布订单。
诊断故障，不等于修改生产环境。
请记住：能力不能在没有明确授权的情况下，悄然变成权力。
NIST的AI风险管理框架围绕四项核心职能组织AI风险管理：治理、识别与界定、测量和管理。
对CIO而言，其实际意义在于：随着机器自主行动能力的增强，控制措施必须越来越多地在系统运行时发挥作用，而不能仅仅停留在项目审批阶段。
4. 衡量工作重构的成果，而不是部署了多少AI
统计智能体数量、提示词数量、许可证数量或自动化任务数量，并不能让董事会清楚了解企业的经济效益是否真正得到改善。
应当衡量从需求提出到结果实现的时间、人工介入次数、异常率、返工量、每项受控业务成果的成本、控制成本，以及创造的价值。
Gartner曾估计，价值达2340亿美元的企业应用软件支出面临自主式AI带来的风险，因为企业正在重新考虑如何使用软件能力，以及如何执行工作。
目标并不是让每项任务都变得更快，而是确定哪些任务应该消失，哪些需要重新设计，哪些可以由机器安全地执行，以及哪些仍然值得由人来判断。
应用可能变得不那么显眼，却更加重要
这会带来一个悖论。
企业应用对用户而言可能变得不那么显眼，但在运营层面却会变得更加重要。
也就是说，员工不再需要为了完成一项业务成果而打开五个应用，而是可以与一个智能工作空间交互，由它在后台协调这些系统。
ERP依然负责维护财务数据的完整性，CRM依然维护客户信息，HCM依然保护员工记录，SCM依然协调订单履约，ITSM依然负责服务管理。
发生变化的是人与这些系统之间的关系。
这将影响应用组合、集成架构、许可成本模式、网络安全暴露面、系统韧性以及技术债务。
应用现代化所要回答的问题，不再仅仅是“我们应该替换哪些应用”，还包括：“哪些应用操作仍然需要人亲自完成?”
在并购过程中，同样的问题也十分重要。企业可能会继承重复的ERP、CRM、人力资源、身份管理、数据和工作流系统。智能体可以在系统整合工作逐步推进期间承担编排任务，但也可能放大权限不一致、数据碎片化以及控制责任尚未明确等问题。
德勤关于并购中生成式AI的研究，探讨了生成式AI在整个交易生命周期中的应用，同时涉及系统整合、安全、信任和人工参与等问题。
CIO的职责正在转向工作架构设计
这项工作不能只由IT部门负责，因为工作本身并不专属于IT。
业务部门负责业务成果，运营团队了解实际流程，财务部门衡量企业经济效益，安全团队建立信任边界，风险与法务部门明确各项义务，人力资源部门理解对员工队伍的影响，审计部门检验控制措施，企业架构团队则将这些职能与系统、数据和执行机制连接起来。
CIO的机会在于，让这些不同的职能形成一个协调一致的整体。
从工作清单开始，而不是再编制一份AI清单。
找出员工在哪些地方需要充当系统之间的桥梁，异常集中出现在哪里，审批在哪些环节造成延迟，重复性活动消耗了多少人力，以及应用边界在何处变成了组织边界。
然后运用EWA方法：业务成果、工作、权限、执行、证据、经济效益。
这将形成一套可重复使用的方法论，使企业不仅能够判断在哪里部署AI，还能够决定应该在哪里重新设计工作。
董事会由此可以提出一个更具实质意义的问题：
“我们投入资金购买的是AI功能，还是在重新设计整个企业的运营方式?”
前者可能带来规模更大的技术应用组合。
后者则可能改变生产力、经营杠杆、体验、风险，并最终影响企业价值。
不要从自己能够部署多少智能体开始。
要从企业不应该再以原有方式执行哪些工作开始。
重新设计业务成果，消除不必要的工作，明确权限，连接执行环节，建立证据记录机制，衡量经济效益，在后果重大、需要审慎判断的地方保护人的判断力，然后再逐步扩大规模。
能够引领这一转型的企业，未必拥有自主程度最高的软件。真正的领先者，将是那些最有意识地决定在哪里由人发挥判断力、在哪里由机器创造杠杆效应，以及如何通过人机协作创造可衡量企业价值的组织。
下一代企业应用将不再只是运行企业业务，而是越来越多地直接参与企业的运营。
CIO的责任，是在重新设计工作方式的同时，不放弃企业赖以运转的判断力、信任与问责机制。
